通过将随机表面行走与神经网络势相结合来定位金属纳米簇中氢化物的一般工作流程

为何微小金属簇很重要

从清洁能源器件到智能照明，许多现代技术依赖由几十个金属原子构成的簇状材料。这些簇常常在内部隐匿氢原子，充当微小的储存库或反应位点。准确知道这些氢的位置对于理解和改进材料性能至关重要，但在致密的金属结构中用常规实验手段寻找如此轻的原子非常困难。

在金属大海捞针般寻找被隐藏的氢

氢原子对常见的X射线技术几乎“隐形”，因此研究者通常转向中子衍射来定位它们。然而强大的中子设施稀缺，限制了常规研究。早期工作表明深度学习可以在某些铜簇中预测氢的位置，但该方法依赖大量特定的训练集，难以推广到其他金属。新研究引入了一种可广泛使用的计算工作流程，能够在多种金属纳米簇中定位氢而无需中子数据，从而使这类分析对全球更多实验室更为可行。

将复杂簇分解为更简单的部分

研究者将每个纳米簇视为由三部分组成：金属核心、金属与周围分子接触的界面层以及外层的保护配体。他们使用一种称为随机表面行走的全局搜索策略来探索多种可能的原子排列，同时用快速的神经网络模型来估算能量，其精度接近量子计算但速度远快于后者。为了保持问题的可控性和可复用性，他们将外层配体简化为更小的片段，这些片段保留与金属的结合方式但去除了不必要的细节。在多种富氢与贫氢簇上的测试表明，这种简化几乎不改变预测的氢位置，同时显著降低了计算时间与成本。

氢偏好驻留位置的规律

将该工作流程应用于93个已报道的体系，包括铜、银、金、合金簇，甚至非常不同的化合物如多金属氧酸盐笼，团队绘制了数千种局部氢环境的地图。清晰的模式浮现：在铜簇中，氢最常桥位于三配位或四配位的铜原子之间，更高配位的情况逐渐变得罕见。银簇以三配位位点为主，而金簇则倾向于出现二配位和偶见的一配位氢。向金属核心掺入更重的过渡金属如铂、铱或钌，会强烈促进金属–氢的直接键合；而在铜、银、金三者之间互换，只要整体框架保持不变，氢的位置变化则很小。

校验簇的化学式并观察氢的移动

由于质谱和核磁共振有时会使氢的计数偏差几原子，作者测试了他们的方法是否也能帮助确认簇中实际包含多少氢。对于一个已知成分的金簇，他们在假定氢偏少、正确和偏多的情况下分别进行搜索。只有正确的氢数产生了与测量到的金属框架和预期对称性相匹配的低能量结构；错误的计数会迫使簇发生畸变或丢失氢。团队进一步使用相关技术追踪氢在位点间的跳跃，发现沿簇表面的移动通常所需能量明显低于穿过内部的过程，这表明大多数交换通过表面迁移发生。

这对未来材料意味着什么

通过将智能的全局搜索与快速的神经网络势相结合，作者提供了一种实用方法，用以揭示复杂纳米簇及相关材料中氢的藏匿位置。对非专业读者而言，关键讯息是计算机现在可以可靠地补全实验常常无法给出的氢信息。这使得解释测量结果、设计新催化剂以及理解微小金属簇如何存储与移动氢变得更容易，最终有助于开发更好的催化、能量转换和化学传感材料。

引用: Wang, Z., Fang, C., Zhang, L. et al. General workflow for localizing hydrides in metal nanoclusters by combining stochastic surface walking with neural-network potentials. Nat Commun 17, 4513 (2026). https://doi.org/10.1038/s41467-026-72966-9

关键词: 金属纳米簇, 氢化物定位, 神经网络势, 随机表面行走, 氢迁移